S2E10 从AI常见术语说起，揭秘DeepSeek实战技巧

在探讨DeepSeek大模型的应用与创新时，规模定律（Scaling Law）被视为推动AI领域进展的核心机制。大模型规模定律优势体现在参数量、计算量与数据量的紧密关联，但随着模型规模扩大，边际效益递减问题逐渐显现。DeepSeek通过优化训练成本和架构设计，验证了规模定律的延续潜力，其满血版本（671B及685B）在性能上展现了显著提升。
AI智能体应用场景成为下半场竞争焦点。智能体作为大模型的“执行层”，可通过任务拆解与资源调度实现复杂操作自动化，如网站开发与数据分析。DeepSeek引入的思维链（COT）和混合专家模型架构（MOE）提升了推理透明性与效率。MOE架构通过稀疏激活机制降低算力消耗，但训练难度较高，其成功应用推动了行业技术方向转型。
高校本地化部署需求成为保障数据安全的关键。以交大为例，本地化部署解决了敏感数据不离校的问题，但需投入高额硬件成本。对于中小型单位，公有云API与本地轻量化部署是折中方案。
国际算力生态合作在芯片领域尤为重要。面对美国技术封锁，中国需推动ARM架构等多元生态布局，通过国际合作延缓技术切割，为国产芯片发展争取时间。跨学科合作案例（如深海微生物研究）展示了算力与数据整合对科研的赋能效应。
AGI时代教育挑战引发关注。大模型导致知识获取方式变革，学生依赖外脑可能削弱基础认知能力，传统教育体系需平衡知识记忆与工具应用。林博士指出，当前教育模式调整的紧迫性远超技术冲击本身，下一代教育路径探索将成为社会长期议题。